在进行学习和认知等复杂计算时，人脑要远远优于我们目前普遍使用的计算机。人脑的功耗只有20瓦；即使利用目前最先进的计算机来模拟人脑的功能，功耗也将高达800万瓦以上，而速度则比人脑慢1000倍以上。这是因为现在的计算机采用传统冯·诺依曼架构，运算单元和存储单元分离，大部分能量和时间都消耗在数据的读取和存储过程中；并且数据处理是基于串行结构，即同一时刻只能执行一个任务。而人脑实现了计算和存储一体化，并且计算过程高度并行，即同一时刻可以执行多个任务。更为重要的是，人脑工作是任务驱动的，只有在处理信息的时刻，参与信息处理的相关神经元节点才需要消耗能量。
人脑工作主要基于神经元和联接神经元的突触，突触可塑性被认为是学习和记忆的基础。受人脑启发，人们提出了一种与传统冯·诺依曼体系不同的计算架构，即类脑计算机或神经形态计算机。目前，要实现可与人脑媲美的类脑计算机，仍然是一个相当具有挑战性的工作。在人脑中，突触数量约为神经元的10000倍，因此，如何获得功耗低、可高密度集成的人工突触器件，是首先需要解决的关键问题。忆阻器是一种两端电子器件，结构简单，能耗低，并且可以很好模拟人脑突触功能，因此，基于忆阻器的人工突触被认为是构建类脑计算机的理想选择。
诸葛飞研究员近期受邀为Advanced Materials Technologies撰写忆阻器突触领域综述。该综述首先讨论并且比较了不同种类忆阻器突触的工作机理，包括金属离子迁移、氧离子迁移、电荷俘获/脱离、相变、质子插层、自旋矩效应、铁电极化开关等。其次，从如何避免交叉阵列结构电信号串扰方面，讨论并且比较了忆阻器突触的三种集成方式，包括利用器件的非线性、利用器件的自整流特性，以及串联晶体管。同时，详细介绍了利用忆阻器突触电路，所模拟的不同认知功能，包括图像识别、稀疏编码等。最后，总结了忆阻器突触性能的不同优化手段，并且讨论了后续忆阻器突触与人工神经元集成可能面临的挑战。
该综述论文题目为“Memristive Synapses for Brain-Inspired Computing”，由王敬蕊博士执笔撰写，目前已正式发表：Advanced Materials Technologies, 2019, 4: 1800544 (DOI: 10.1002/admt.201800544)。论文发表后，被Wiley出版社MaterialsViews China网站重点报道。